Oct, 2023

城市无人机导航：自编码器学习融合的空气动力学

PDF
TL;DR这篇论文介绍了一种将多目标强化学习与卷积自编码器相结合的方法，以提高城市紧急搜索和救援中的无人机导航。该方法利用多目标强化学习实现多个目标，并利用自编码器进行经济高效的风模拟，通过利用城市布局的图像数据，无人机可以自主进行导航决策，优化路径，并抵消传统传感器无法解决的风力影响。在纽约城模型上进行的测试表明，该方法可以增强复杂城市环境下无人机的搜索和救援任务。
dronesurban emergency search and rescuemulti-objective reinforcement learningconvolutional autoencoderwind simulations
发现论文，激发创造
  • 深度无人机赛车：学习在动态环境中敏捷飞行

    利用卷积神经网络直接映射原始图像到航点和所需速度的强鲁棒性生成，使用路径规划和控制系统生成短的、最小时间轨迹段，测试表明该方法能够在动态环境中准确和稳健地实现无人机的自主飞行，不需要昂贵的硬件和昂贵的图像处理，且比专业的人类驾驶员更加高效。

    Jun, 2018

  • 基于深度强化学习的 无人机无线数据采集路径规划

    该论文提出一种新的端到端强化学习方法来规划机载无人机收集物联网中的分布式传感器节点的数据，以实现对下一代通信网络的支持。通过训练一个双重深度 Q 网络来实现对不同情况参数的泛化控制，从而使代理可以根据平衡数据收集目标和飞行时间效率的安全约束，在各种场景参数下做出运动决策。

    Jul, 2020

  • 用于实时自主室内导航的深度神经网络

    本文提出一种在室内使用单一摄像头实现四旋翼自主导航和寻找目标物体（例如书包）的方法，使用卷积神经网络 (ConvNet) 进行深度学习，使用可视化技术来更好地理解训练网络。

    Nov, 2015

  • A3D：边缘辅助飞行器的自适应、准确、自主导航

    利用深度神经网络改进自主无人机导航，提出 A3D 边缘服务器辅助的无人机导航框架，可动态调整任务执行位置、输入分辨率和图像压缩比，以实现低推理延迟、高预测准确性和长飞行距离。证实 A3D 相比非自适应方案可将端到端延迟减少 28.06％，飞行距离延长高达 27.28％。

    Jul, 2023

  • 自主无人机导航的强化学习应用：系统综述

    该研究探讨了使用强化学习算法解决无人机导航问题，讨论了不同环境下的算法特性和选择，并提出未来的研究方向。

    Aug, 2022

  • 应用层次分析法和基于相似度的经验回放的多目标强化学习在搜救任务中以人为中心的无人机航迹规划

    通过加强学习结合分析层次过程和基于相似性的经验重放，优化无人机轨迹，平衡运营目标与人类安全、舒适性等考虑因素，同时调查性别线索和拟人化在公众接受和信任方面的影响，在搜索与救援任务中设计与人类价值观相符的无人机系统的宝贵洞察。

    Feb, 2024

  • 美女与野兽：最优方法与学习相遇于无人机竞速

    本研究提出了一种基于全局轨迹布局及卷积网络预测与卡尔曼滤波融合的方法，重点解决自主微型飞行器的难以精确的导航、环境不确定以及姿态估计误差等问题，成功应用于 IROS2018 无人机比赛中并取得优异成绩。

    Oct, 2018

  • 无人机自主降落的多模态学习方法

    该研究介绍了一种基于多模式变压器的深度学习探测器，可为精确自主着陆提供可靠的定位，同时还提出了一种基于深度 Q 网络的强化学习决策模型，该模型在模拟环境中进行训练，然后成功地在真实户外场景中验证其适用性。

    May, 2024

  • 学习辅助无人机降落

    本研究提出了一种共享自主系统，该系统可以协助新手驾驶员在多个高架平台上实现安全着陆，并在使用模拟无人机时进行了用户研究。

    Nov, 2020

  • 教导无人机飞行比赛：模拟环境下的敏捷控制端到端回归

    该研究利用深度神经网络和数据增强来训练自主赛道竞速的无人机，表明数据增强对于端到端学习非常重要，并且优化后的神经网络能够在嵌入式硬件上实时运行，适用于实际部署。

    Aug, 2017